Development of a clinical scoring system to make a presumptive diagnosis of Kyasanur Forest Disease: a case-control study from South India
Notice bibliographique
Résumé
Introduction: Kyasanur Forest Disease (KFD) is a viral haemorrhagic fever endemic in South India. Based on clinical presentation alone, it is challenging to distinguish KFD from other febrile illnesses in the region. The study aimed to develop a clinical scoring system for early presumptive diagnosis of KFD. Patients and methods: This retrospective case-control study included microbiologically diagnosed KFD patients (n=186) with other undifferentiated febrile illnesses as controls (n=203). The clinical and laboratory features between cases and controls were compared. A logistic regression analysis included those variables found to be significantly associated with KFD on univariate analysis. The adjusted odds ratio for the significant variables was calculated and converted into logarithmic scales. These numbers were rounded off to the nearest integer to find the score assigned to each variable. A receiver operating characteristics curve was created to find the best cut-off for the scoring system that predicted the diagnosis of KFD. Results: A total of 186 anonymised cases and 203 anonymised controls were recruited from the records for this study. Myalgia, headache, lymphadenopathy, bleeding manifestations, Central Nervous System (CNS) involvement, raised haematocrit, leukopenia, and raised transaminases were more common in patients with KFD. Except for lymphadenopathy and raised transaminases, all the other variables were independent predictors of making a diagnosis of KFD. Since raised transaminases tended towards significance, it was included in the scoring system with other independent predictors. A scoring system was created with a maximum score of 12. The receiver operating characteristic curve showed an Area Under Curve of 0.912 (95%CI: 0.88-0.94). A score of 4 or more was found to have a sensitivity and specificity of 83% and 87%, respectively. Conclusion: The presence of specific features should alert primary care physicians working in endemic areas about the possibility of KFD. This diagnostic scoring system can be used to make a presumptive diagnosis of KFD after undergoing a prospective validation study.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».